明星换脸高清一区二区,www.天天射,日韩人成免费网站大片

隨著公司業(yè)務(wù)發(fā)展，對(duì)大數(shù)據(jù)的獲取和實(shí)時(shí)處理的要求就會(huì)越來(lái)越高，日志處理、用戶行為分析、場(chǎng)景業(yè)務(wù)分析等等，傳統(tǒng)的寫(xiě)日志方式根本滿足不了業(yè)務(wù)的實(shí)時(shí)處理需求，所以本人準(zhǔn)備開(kāi)始著手改造原系統(tǒng)中的數(shù)據(jù)處理方式，重新搭建一個(gè)實(shí)時(shí)流處理平臺(tái)，主要是基于Hadoop生態(tài)，利用Kafka作為中轉(zhuǎn)，SparkStreaming框架實(shí)時(shí)獲取數(shù)據(jù)并清洗，將結(jié)果多維度的存儲(chǔ)進(jìn)HBase數(shù)據(jù)庫(kù)。

整個(gè)平臺(tái)大致的框架如下：

操作系統(tǒng)：Centos7

用到的框架：

　1. Flume1.8.0
　2. Hadoop2.9.0
　3. kafka2.11-1.0.0
　4. Spark2.2.1
　5. HBase1.2.6
　6. ZooKeeper3.4.11
　7. maven3.5.2

整體的開(kāi)發(fā)環(huán)境是基于JDK1.8以上以及Scala，所以得提前把java和Scala的環(huán)境給準(zhǔn)備好，接下來(lái)就開(kāi)始著手搭建基礎(chǔ)平臺(tái)：

一、配置開(kāi)發(fā)環(huán)境

下載并解壓JDK1.8,、下載并解壓Scala，配置profile文件：

vim /etc/profile

export JAVA_HOME=/usr/java/jdk1.8.0_144
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export SCALA_HOME=/usr/local/scala-2.11.12
export PATH=$PATH:$SCALA_HOME/bin

source /etc/profile

二、配置zookeeper、maven環(huán)境

下載并解壓zookeeper以及maven并配置profile文件

wget http://mirrors.hust.edu.cn/apache/maven/maven-3/3.5.2/binaries/apache-maven-3.5.2-bin.tar.gz
tar -zxvf apache-maven-3.5.2-bin.tar.gz -C /usr/local
wget http://mirrors.hust.edu.cn/apache/zookeeper/zookeeper-3.4.11/zookeeper-3.4.11.tar.gz
tar -zxvf zookeeper-3.4.11.tar.gz -C /usr/local
vim /etc/profile

export MAVEN_HOME=/usr/local/apache-maven-3.5.2
export PATH=$PATH:$MAVEN_HOME/bin

source /etc/profile

zookeeper的配置文件配置一下：

cp /usr/local/zookeeper-3.4.11/conf/zoo_sample.cfg /usr/local/zookeeper-3.4.11/conf/zoo.cfg

然后配置一下zoo.cfg里面的相關(guān)配置，指定一下dataDir目錄等等

啟動(dòng)zookeeper：

/usr/local/zookeeper-3.4.11/bin/zkServer.sh start

如果不報(bào)錯(cuò)，jps看一下是否啟動(dòng)成功

三、安裝配置Hadoop

Hadoop的安裝配置在之前文章中有說(shuō)過(guò)（傳送門(mén)），為了下面的步驟方便理解，這里只做一個(gè)單機(jī)版的簡(jiǎn)單配置說(shuō)明：

下載hadoop解壓并配置環(huán)境：

wget http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-2.9.0/hadoop-2.9.0.tar.gz
tar -zxvf hadoop-2.9.0.tar.gz -C /usr/local
vim /etc/profile

export HADOOP_HOME=/usr/local/hadoop-2.9.0
export PATH=$PATH:$HADOOP_HOME/bin

source /etc/profile

配置hadoop 進(jìn)入/usr/local/hadoop-2.9.0/etc/hadoop目錄

cd /usr/local/hadoop-2.9.0/etc/hadoop

首先配置hadoop-env.sh、yarn-env.sh，修改JAVA_HOME到指定的JDK安裝目錄/usr/local/java/jdk1.8.0_144

創(chuàng)建hadoop的工作目錄

mkdir /opt/data/hadoop

編輯core-site.xml、hdfs-site.xml、yarn-site.xml等相關(guān)配置文件，具體配置不再闡述請(qǐng)看前面的文章，配置完成之后記得執(zhí)行hadoop namenode -format，否則hdfs啟動(dòng)會(huì)報(bào)錯(cuò)，啟動(dòng)完成后不出問(wèn)題瀏覽器訪問(wèn)50070端口會(huì)看到hadoop的頁(yè)面。

四、安裝配置kafka

還是一樣，先下載kafka，然后配置：

wget http://mirrors.hust.edu.cn/apache/kafka/1.0.0/kafka_2.11-1.0.0.tgz
tar -zxvf kafka_2.11-1.0.0.tgz -C /usr/local
vim /etc/profile

export KAFKA_HOME=/usr/local/kafka_2.11-1.0.0
export PATH=$KAFKA_HOME/bin:$PATH

source /etc/profile

進(jìn)入kafka的config目錄，配置server.properties,指定log.dirs和zookeeper.connect參數(shù)；配置zookeeper.properties文件中zookeeper的dataDir，配置完成后啟動(dòng)kafka

kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties

可以用jps查看有沒(méi)有kafka進(jìn)程，然后測(cè)試一下kafka是否能夠正常收發(fā)消息，開(kāi)兩個(gè)終端，一個(gè)用來(lái)做producer發(fā)消息一個(gè)用來(lái)做consumer收消息，首先，先創(chuàng)建一個(gè)topic

kafka-topics.sh --create --zookeeper 127.0.0.1:2181 --replication-factor 1 --partitions 1 --topic testTopic
kafka-topics.sh --describe --zookeeper localhost:2181 --topic testTopic

如果不出一下會(huì)看到如下輸出：

Topic:testTopic    PartitionCount:1    ReplicationFactor:1 Configs:
Topic: testTopic    Partition: 0    Leader: 0   Replicas: 0 Isr: 0

然后在第一個(gè)終端中輸入命令：

kafka-console-producer.sh –broker-list localhost:9092 –topic testTopic

在第二個(gè)終端中輸入命令：

kafka-console-consumer.sh –zookeeper 127.0.0.1:2181 –topic testTopic

如果啟動(dòng)都正常，那么這兩個(gè)終端將進(jìn)入阻塞監(jiān)聽(tīng)狀態(tài)，在第一個(gè)終端中輸入任何消息第二個(gè)終端都將會(huì)接收到。

五、安裝配置HBase

下載并解壓HBase：

wget http://mirrors.hust.edu.cn/apache/hbase/1.2.6/hbase-1.2.6-bin.tar.gz
tar -zxvf hbase-1.2.6-bin.tar.gz -C /usr/local/
vim /etc/profile

export HBASE_HOME=/usr/local/hbase-1.2.6
export PATH=$PATH:$HBASE_HOME/bin

source /etc/profile

修改hbase下的配置文件,首先修改hbase-env.sh，主要修改JAVA_HOME以及相關(guān)參數(shù)，這里要說(shuō)明一下HBASE_MANAGES_ZK這個(gè)參數(shù)，因?yàn)椴捎昧俗约旱膠ookeeper，所以這里設(shè)置為false，否則hbase會(huì)自己?jiǎn)?dòng)一個(gè)zookeeper

cd /usr/local/hbase-1.2.6/conf
vim hbase-env.sh

export JAVA_HOME=/usr/local/java/jdk1.8.0_144/
HBASE_CLASSPATH=/usr/local/hbase-1.2.6/conf
export HBASE_MASTER_OPTS='$HBASE_MASTER_OPTS -XX:PermSize=256m -XX:MaxPermSize=1024m'
export HBASE_REGIONSERVER_OPTS='$HBASE_REGIONSERVER_OPTS -XX:PermSize=256m -XX:MaxPermSize=1024m'
export HBASE_PID_DIR=/opt/data/hbase
export HBASE_MANAGES_ZK=false

然后修改hbase-site.xml，我們?cè)O(shè)置hbase的文件放在hdfs中，所以要設(shè)置hdfs地址，其中tsk1是我安裝hadoop的機(jī)器的hostname，hbase.zookeeper.quorum參數(shù)是安裝zookeeper的地址，這里的各種地址最好用機(jī)器名

vim hbase-site.xml

configuration>
    property>
        name>hbase.rootdirname>
        value>hdfs://tsk1:9000/hbasevalue>
    property>
    property>
        name>hbase.mastername>
        value>tsk1:60000value>
    property>
    property>
        name>hbase.master.portname>
        value>60000value>
    property>
    property>
        name>hbase.cluster.distributedname>
        value>truevalue>
    property>
    property>
        name>hbase.zookeeper.quorumname>
        value>192.168.70.135value>
    property>
    property>
        name>zookeeper.znode.parentname>
        value>/hbasevalue>
    property>
    property>
        name>hbase.zookeeper.property.dataDirname>
        value>/opt/data/zookeepervalue>
    property>
    property>
        name>hbase.master.info.bindAddressname>
        value>tsk1value>
    property>
configuration>

配置完成后啟動(dòng)hbase，輸入命令：

start-hbase.sh

完成后查看日志沒(méi)有報(bào)錯(cuò)的話測(cè)試一下hbase，用hbase shell進(jìn)行測(cè)試：

hbase shell
hbase(main):001:0>create 'myTestTable','info'
0 row(s) in 2.2460 seconds
=> Hbase::Table - myTestTable
hbase(main):003:0>list
TABLE
testTable
1 row(s) in 0.1530 seconds

=> ['myTestTable']

至此，hbase搭建成功，訪問(wèn)以下hadoop的頁(yè)面，查看file system(菜單欄Utilities->Browse the file system)，這時(shí)可以看見(jiàn)base的相關(guān)文件已經(jīng)載hadoop的文件系統(tǒng)中。

六、安裝spark

下載spark并解壓

wget http://mirrors.hust.edu.cn/apache/spark/spark-2.2.1/spark-2.2.1-bin-hadoop2.7.tgz
tar -zxvf spark-2.2.1-bin-hadoop2.7.tgz -C /usr/local
vim /etc/profile

export SPARK_HOME=/usr/local/spark-2.2.1-bin-hadoop2.7
export PATH=$PATH:$SPARK_HOME/bin

source /etc/profile

七、測(cè)試

至此，環(huán)境基本搭建完成，以上搭建的環(huán)境僅是服務(wù)器生產(chǎn)環(huán)境的一部分，涉及服務(wù)器信息、具體調(diào)優(yōu)信息以及集群的搭建就不寫(xiě)在這里了，下面我們寫(xiě)一段代碼整體測(cè)試一下從kafka生產(chǎn)消息到spark streaming接收到，然后處理消息并寫(xiě)入HBase。先寫(xiě)一個(gè)HBase的連接類HBaseHelper：

public class HBaseHelper {
    private static HBaseHelper ME;
    private static Configuration config;
    private static Connection conn;
    private static HBaseAdmin admin;
    public static HBaseHelper getInstances() {
        if (null == ME) {
            ME = new HBaseHelper();
            config = HBaseConfiguration.create();
            config.set('hbase.rootdir', 'hdfs://tsk1:9000/hbase');
            config.set('hbase.zookeeper.quorum', 'tsk1');
            config.set('hbase.zookeeper.property.clientPort', '2181');
            config.set('hbase.defaults.for.version.skip', 'true');
        }
        if (null == conn) {
            try {
                conn = ConnectionFactory.createConnection(config);
                admin = new HBaseAdmin(config);
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        return ME;
    }
    public Table getTable(String tableName) {
        Table table = null;
        try {
            table = conn.getTable(TableName.valueOf(tableName));
        } catch (Exception ex) {
            ex.printStackTrace();
        }
        return table;
    }
    public void putAdd(String tableName, String rowKey, String cf, String column, Long value) {
        Table table = this.getTable(tableName);
        try {
            table.incrementColumnValue(rowKey.getBytes(), cf.getBytes(), column.getBytes(), value);
            System.out.println('OK！');
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
 //......以下省略
}

再寫(xiě)一個(gè)測(cè)試類KafkaRecHbase用來(lái)做spark-submit提交

package com.test.spark.spark_test;
import java.util.HashMap;
import java.util.Map;
import java.util.regex.Pattern;
import org.apache.log4j.Level;
import org.apache.log4j.Logger;
import org.apache.spark.SparkConf;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaPairReceiverInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import org.apache.spark.streaming.kafka.KafkaUtils;
import scala.Tuple2;
public class KafkaRecHbase {
    private static final Pattern SPACE = Pattern.compile(' ');
    public static void main(String[] args) throws Exception {
        Logger.getLogger('org').setLevel(Level.ERROR);
        SparkConf sparkConf = new SparkConf();
        sparkConf.setAppName('kafkaRecHbase');
        sparkConf.setMaster('local[2]');
        JavaStreamingContext ssc = new JavaStreamingContext(sparkConf, Durations.seconds(5));
        int numThreads = Integer.parseInt(args[3]);
        MapString, Integer> topicMap = new HashMap<>();
        String[] topics = args[2].split(',');
        for (String topic : topics) {
            topicMap.put(topic, numThreads);
        }
        JavaPairReceiverInputDStreamString, String> kafkaStream =
                KafkaUtils.createStream(ssc, args[0], args[1], topicMap);
        JavaDStreamString> lines = kafkaStream.map(Tuple2::_2);
        JavaDStreamString> lineStr = lines.map(line -> {
            if (null == line || line.equals('')) {
                return '';
            }
            String[] strs = SPACE.split(line);
            if (strs.length <>1) {
                return '';
            }
            try {
                for (String str : strs) {
                    HBaseHelper.getInstances().putAdd('myTestTable', str, 'info', 'wordCunts', 1l);
                }
                return 'strs:' + line;
            } catch (Exception ex) {
                System.out.println(line);
                return '報(bào)錯(cuò)了：' + ex.getMessage();
            }
        });
        lineStr.print();
        ssc.start();
        System.out.println('spark 啟動(dòng)?。?！');
        ssc.awaitTermination();
    }
}

編譯提交到服務(wù)器，執(zhí)行命令：

spark-submit --jars $(echo /usr/local/hbase-1.2.6/lib/*.jar | tr ' ' ',') --class com.test.spark.spark_test.KafkaRecHbase --packages org.apache.spark:spark-streaming-kafka-0-8_2.11:2.2.1 /opt/FileTemp/streaming/spark-test-0.1.1.jar tsk1:2181 test testTopic 1

沒(méi)報(bào)錯(cuò)的話執(zhí)行kafka的producer，輸入幾行數(shù)據(jù)在HBase內(nèi)就能看到結(jié)果了！

八、裝一個(gè)Flume實(shí)時(shí)采集Nginx日志寫(xiě)入Kafka

Flume是一個(gè)用來(lái)日志采集的框架，安裝和配置都比較簡(jiǎn)單，可以支持多個(gè)數(shù)據(jù)源和輸出，具體可以參考Flume的文檔，寫(xiě)的比較全傳送門(mén)

下載Flume并配置環(huán)境

wget http://mirrors.hust.edu.cn/apache/flume/1.8.0/apache-flume-1.8.0-bin.tar.gz
tar -zxvf apache-flume-1.8.0-bin.tar.gz -C /usr/local
vim /etc/profile

export FLUME_HOME=/usr/local/apache-flume-1.8.0-bin/
export PATH=$FLUME_HOME/bin:$PATH

source /etc/profile

寫(xiě)一個(gè)Flume的配置文件在flume的conf目錄下：

vim nginxStreamingKafka.conf

agent1.sources=r1
agent1.channels=logger-channel
agent1.sinks=kafka-sink
agent1.sources.r1.type=exec
agent1.sources.r1.deserializer.outputCharset= UTF-8
agent1.sources.r1.command=tail -F /opt/data/nginxLog/nginxLog.log
agent1.channels.logger-channel.type=memory
agent1.sinks.kafka-sink.type=org.apache.flume.sink.kafka.KafkaSink
agent1.sinks.kafka-sink.topic = flumeKafka
agent1.sinks.kafka-sink.brokerList = tsk1:9092
agent1.sinks.kafka-sink.requiredAcks = 1
agent1.sinks.kafka-sink.batchSize = 20
agent1.sources.r1.channels=logger-channel
agent1.sinks.kafka-sink.channel=logger-channel

kafka創(chuàng)建一個(gè)名為flumeKafka的topic用來(lái)接收，然后啟動(dòng)flume：

flume-ng agent --name agent1 --conf $FLUME_HOME/conf --conf-file $FLUME_HOME/conf/nginxStreamingKafka.conf -Dflume.root.logger=INFO,console

如果沒(méi)有報(bào)錯(cuò)，F(xiàn)lume將開(kāi)始采集opt/data/nginxLog/nginxLog.log中產(chǎn)生的日志并實(shí)時(shí)推送給kafka，再按照上面方法寫(xiě)一個(gè)spark streaming的處理類進(jìn)行相應(yīng)的處理就好。

OK！全部搞定，然而~~~~就這樣就搞定了？NO?。?！這只是萬(wàn)里長(zhǎng)征的第一步！呵呵！

出處：http://www.tianshangkun.com/2018/01/26/基于Hadoop生態(tài)SparkStreaming的大數(shù)據(jù)實(shí)時(shí)流處理平臺(tái)的搭建/

本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊舉報(bào)。

免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

一、配置開(kāi)發(fā)環(huán)境

二、配置zookeeper、maven環(huán)境

三、安裝配置Hadoop

四、安裝配置kafka

五、安裝配置HBase

六、安裝spark

七、測(cè)試

八、裝一個(gè)Flume實(shí)時(shí)采集Nginx日志寫(xiě)入Kafka

一、配置開(kāi)發(fā)環(huán)境

二、配置zookeeper、maven環(huán)境

三、安裝配置Hadoop

四、安裝配置kafka

五、安裝配置HBase

六、安裝spark

八、裝一個(gè)Flume實(shí)時(shí)采集Nginx日志寫(xiě)入Kafka